首页 杂志概况 投稿须知 在线投稿 在线阅读 征订启事 广告服务 行业资讯 企业动态 资料中心  专访报道 会展信息 ENGLISH

在线审稿投稿系统

在线阅读

搜索结果

结合多元曲线分辨与洛伦兹谱形约束的拉曼光谱分解算法
刘薇 , 戴连奎
doi:  10.19756/j.issn.0253-3820.171505
拉曼光谱解析法通常需要已知纯物质的光谱。本研究提出了一种结合多元曲线分辨与洛伦兹谱形约束的拉曼光谱分解法。此方法基于拉曼光谱的线性叠加模型,在不需要已知混合物中纯物质组分的前提下,首先对混合物光谱矩阵进行主成分分解;使用渐进因子法分析混合物光谱矩阵测量点方向上各特征值的出现及消失顺序,从而得到纯物质组分个数及纯物质谱峰范围,实现对纯物质光谱矩阵的初步估计;使用基于洛伦兹谱形约束的交替迭代最小二乘算法进一步优化纯物质谱形。在优化过程中,首先对纯物质光谱进行洛伦兹函数拟合,并基于拟合得到的纯物质光谱进行交替迭代最小二乘回归,得到更新后的纯物质光谱矩阵与系数矩阵。重复上述过程,直到对混合物光谱的拟合误差小于设定的阈值。将本方法应用于吸附塔循环液的混合物拉曼光谱分解,得到了其中所包含的相关纯物质谱图,通过对主要成分对二甲苯进行多次小样本的定量分析实验,证明了本方法的有效性。
关键词: 多元曲线分辨, 拉曼光谱, 洛伦兹函数, 渐进因子分析, 交替迭代最小二乘法
基于遗传算法与线性叠加模型的混合物组成拉曼光谱定量分析
温国基 , 戴连奎 , 刘薇
doi:  10.19756/j.issn.0253-3820.201500
提出了一种基于遗传算法(Genetic algorithm,GA)与线性叠加模型的拉曼光谱定量分析算法。仅需已知一种主要物质的拉曼光谱,即可基于一批包括该物质的混合物样本,结合相关分析获得各组分的特征峰位;再利用遗传算法拟合优化混合物对应的纯物质光谱矩阵;最后利用拟合得到的光谱矩阵,建立混合物中各种物质的拉曼光谱定量分析模型。本方法只在模型训练过程优化模型参数时计算量较大,而在实际预测时只需进行简单的矩阵运算即可,实时计算量很小,适用于连续在线应用。本方法可应用于液相或气相混合物的定量分析。以天然气为例,仅知主要组分甲烷的拉曼光谱时,基于一组已知其组成与拉曼光谱的天然气训练样本,建立了天然气中主要组分(CH4、C2H6、C3H8、CO2、N2、H2、CO)拉曼光谱定量分析模型;对于测试样本集,对应的预测均方根误差(Root mean square error,RMSE)分别为0.488%、0.103%、0.358%、0.079%、0.087%、0.126%和0.022%,复相关系数(Multi-correlation coefficient,R2)分别为0.995、0.991、0.990、0.991、0.998、0.999和0.999。尽管此结果不及所有纯物质光谱均已知情况下得到的结果,但为大多数纯物质光谱未知的情况提供了一种解决方案。
关键词: 遗传算法, 拉曼光谱, 定量分析, 天然气, 线性叠加